基于二维小波变化的图像压缩解压缩,并使用PSNR评价图像恢复质量

目录

1.二维小波变换

二、PSNR评价图像小波变换重构后的恢复质量

三、MATLAB核心程序

四、MATLAB仿真结果

---

       图像压缩与解压缩是一种重要的技术，可以有效地减少图像数据的存储空间和提高传输效率。二维小波变换是一种常用的图像压缩技术，它可以将图像转换为多尺度的小波系数，其中低频分量包含图像的大部分能量，而高频分量则包含图像的细节信息。通过对这些小波系数进行编码和传输，可以实现图像的压缩。解压缩时，通过对接收到的数据进行解码，并重构出原始图像。

1.二维小波变换

       二维小波变换是一种频域变换方法，它将图像分解成多个频段，每个频段都对应着图像的一个特定方向上的局部特征。通过对这些频段的小波系数进行编码和传输，可以实现图像的压缩。具体来说，二维小波变换将图像分解成四个子带：水平低频子带、垂直低频子带、对角线低频子带和三个高频子带（水平高频子带、垂直高频子带、对角线高频子带）。其中，低频子带包含图像的大部分能量，而高频子带则包含图像的细节信息。

       在进行图像压缩时，需要对这些小波系数进行编码和传输。一种常用的方法是采用离散余弦变换（DCT）对小波系数进行进一步变换，并对变换后的系数进行量化，从而得到一组近似的小波系数。这些近似的小波系数可以用来重构出原始图像。解压缩时，需要对接收到的数据进行解码，并重构出原始图像。具体来说，首先需要对接收到的数据进行解码，得到一组近似的小波系数；然后，利用这些近似的小波系数进行逆变换，得到重构的图像。

      二维小波变换的基本原理如下：

小波变换是可逆的，进行小波分解得到的子图可通过组合重构原图，其实现原理如下：

二、PSNR评价图像小波变换重构后的恢复质量

      PSNRPSNR全称为“Peak Signal-to-Noise Ratio”，中文意思即为峰值信噪比，是衡量图像质量的指标之一。PSNR是基于MSE(均方误差)定义，对给定一个大小为m*n的原始图像PSNR越大，表示图像恢复得越好。PSNR的计算公式如下：

       总之，基于二维小波变化的图像压缩解压缩是一种有效的技术，可以实现图像的压缩和解压缩。通过对小波系数进行编码和传输和解码，可以有效地减少图像数据的存储空间和提高传输效率。PSNR是一种常用的评价图像恢复质量的指标，可以用来衡量恢复的图像质量。

三、MATLAB核心程序

小波变换：

function [dwc1,dwc2]=mydwt2(image,width,height)

dwc1=zeros(height,width);
dwc2=zeros(height,width);

h=[0.482962913145,0.836516303738,0.224143868042,-0.129409522551];
g=[-0.129409522551,-0.224143868042,0.836516303738,-0.482962913145];

image2=zeros(height,width+5);
image2(:,1)=image(:,1);
image2(:,2)=image(:,1);
image2(:,width+3)=image(:,width);
image2(:,width+4)=image(:,width);
image2(:,width+5)=image(:,width);
image2(:,3:width+2)=image(:,:);

for i=1:height
    for j=1:width
        sum=h(1)*image2(i,j+2)+h(2)*image2(i,j+3)+h(3)*image2(i,j+4)+h(4)*image2(i,j+5);
        dwc1(i,j)=sum;
    end
end


for i=1:height
    for j=1:width
        sum=g(1)*image2(i,j)+g(2)*image2(i,j+1)+g(3)*image2(i,j+2)+g(4)*image2(i,j+3);
        dwc2(i,j)=sum;
    end
end

end
3061

小波重构：

function [idwc]=myidwt2(L,H,width,height)

idwc1=zeros(height,width);
idwc2=zeros(height,width);

% h=[0.482962913145,0.836516303738,0.224143868042,-0.129409522551];
% g=[-0.129409522551,-0.224143868042,0.836516303738,-0.482962913145];

h=[-0.129409522551,0.224143868042,0.836516303738,0.482962913145];
g=[-0.482962913145,0.836516303738,-0.224143868042,-0.129409522551];

image2=zeros(height,width+3);
% image2(:,1)=L(:,1);
% image2(:,2)=L(:,1);
% image2(:,3)=L(:,1);
image2(:,1)=0;
image2(:,2)=0;
image2(:,3)=0;

image2(:,4:width+3)=L(:,:);

for i=1:height
    for j=1:width
        sum=h(1)*image2(i,j)+h(2)*image2(i,j+1)+h(3)*image2(i,j+2)+h(4)*image2(i,j+3);
        idwc1(i,j)=sum;
    end
end

image2=zeros(height,width+3);
%image2(:,1)=H(:,1);
image2(:,1)=0;
image2(:,width+2)=H(:,width);
image2(:,width+3)=H(:,width);
image2(:,2:width+1)=H(:,:);


for i=1:height
    for j=1:width
        sum=g(1)*image2(i,j)+g(2)*image2(i,j+1)+g(3)*image2(i,j+2)+g(4)*image2(i,3);
        idwc2(i,j)=sum;
    end
end

idwc=idwc1+idwc2;

end

四、MATLAB仿真结果

原图：

小波变换

小波重构

PSNR：70db